Perceptron Implementation

perceptron.py

import numpy as np

class Perceptron:
  
    def __init__(self, eta=0.01, n_iter=50, random_state=1):
      　"""
　      eta: 学習率
        n_iter: 学習を繰り返す回数
        """
        self.eta = eta
        self.n_iter = n_iter
        self.random_state = random_state
        
    def fit(self, X, y):
      rgen = np.random.RandomState(self.random_state)
      dim = X.shape[1]
      # 重みの初期化
      self.w_ = rgen.normal(loc=0.0, scale=0.01, size=1+dim)
      self.errors_ = []
      for _ in range(self.n_iter):
          errors = 0
          for xi, target in zip(X, y):
              update = self.eta * (target - self.predict(xi))
              # 重み w_0 の更新
              self.w_[0] += update * 1
              # それ以外の重みの更新
              self.w_[1:] += update * xi
              # 誤分類の数をカウントする
              errors += int(update != 0.0)
          # 反復ごとの誤分類の数をカウントする
          # これがだんだん少なくなると良さそうな雰囲気がする（雰囲気だけ）
          self.errors_.append(errors)
      return self
    
    def net_input(self, X):
        return np.dot(X, self.w_[1:]) + self.w_[0]
      
    def predict(self, X):
        return np.where(self.net_input(X) >= 0.0, 1, -1)